人工智能技术在风力发电领域的应用

人工智能技术在风力发电领域的应用

谭佳铭 杨泽坤

内蒙古华电新能源分公司 内蒙古 呼和浩特市 014080

摘要：随着世界经济的不断增长，全球对于能源的需求不断增长，过去以火电为主的传统能源方式对环境的污染日益凸显。因此如何处理好驱动人类经济发展的能源保障与环境保护成为一大难题，而利用以风能为能源发电形式的新能源技术成为解决这一问题的技术手段。因此发展风电技术对于人类社会可持续发展有着举足轻重的作用，但风电技术作为一门新兴技术，其存在诸多问题待解决。人工智能技术作为“第四次科技革命”的重要标志，其具有可以对人的意识、思维信息过程的模拟功能，通过人工智能技术的应用，可以更高效地解决风电技术发展过程中的诸多问题。
关键词：人工智能技术;风力发电;应用;

引言

于我国的发电方式而言，依然采用传统的火力发电和水利发电为主要内容，但是根据生态环保方面的理念，在资源约束的情况下，传统火力发电方式规模已经在逐渐地进行降低。但是在不断扩大的城市规模背景下，使其出现了相对比较大的电力缺口问题，虽然我国在风力发电行业中已经投入了相对比较大的资金，但由于风力发电趋于地广人稀方面的原因，在控制系统中依然存在较多的问题。如果可以将其智能化技术合理地应用到控制系统中，那么必然会取得更加显著的成效，同时也能在一定程度上促进我国风力发电事业持续稳定的发展，因此在实际风力发电的过程中，工作人员要引起足够的关注，通过采取合理的措施对智能化的技术进行应用，这样做的目的能够保证风力发电的全面进行，进一步为我国电力事业快速发展奠定出相应的基础。

1风力发展的现状

我国已把可再生能源的开发和利用上升到了战略发展高度，能源结构优化是解决当前中国日趋严重化石燃料的时候和大气污染问题的主要办法之一。我国技术比较成熟和利用最早的可再生能源是水能，但存在开发周期长和成本投资大的问题；目前，风能似乎已成为最具潜力的可再生清洁能源。

2分析风力发电的智能化技术应用必要性

2.1风力发电的智能化技术应用必要性

对于风力资源，主要为可再生能源，现如今我国在风力发电方面已经进入到快速发展阶段，但是由于风电的随机性和间歇性等原因，导致其大规模的风电并网将会在一定程度上对电网安全带来影响，同时存在电力质量不理想等问题。因为风电场在输出功率方面具有一定的随机性，因此为了能够有效地避免对其输出的功率间歇性和波动性进行合理控制，需要重点的对风电设备的有效功率进行平衡。但是随着电网规模的扩大，必然会增加设备的容量，导致其电网发电效率降低，因此在风力发电的过程中，对于智能化的技术进行应用是十分关键的，可以全面地提高电网的整体发电效率。

2.2智能化技术应用的优点分析

一是在风力发电的过程中，自动化的控制人员在实际进行管理决策的时候，可以通过合理地应用智能化的技术，起到一个决定性的作用，因此在急剧扩容和爆炸性的增长风力发电自动化控制系统背景之下，合理地对影像数据和发电机组的运行数据进行合理的应用，在智能化的技术进行帮助下可以更好地筛选和分析相应的数据，同时提供各种类型的情况和故障服务，这也是作为日后自动化控制系统的一个重要工作形式。而是在智能化技术进行应用的时候，可以提供出更加全面的个性化的服务，在大数据的技术应用下，能够对风力发电机的相关数据进行掌握，更好地去集中信息，形成根据个体作为对象的档案，从而为针对性比较强的服务方案提供出单个的风力发电机，因此这点是需要引起足够的关注。

3人工智能技术在风力发电领域的应用

3.1风电机组故障诊断的方法

风电机组作为机电综合系统，其主要的故障为齿轮箱故障、电气系统故障和发电机故障等。故障可能是孤立发生，但更多情况下故障之间存在相应映射关系，对其进行状态监测与故障诊断难度大。风电机的故障诊断方法主要包括传统诊断、数学诊断和智能故障诊断。传统诊断法通常基于状态监测的数据进行分析，往往与其他方法相结合来对故障进行诊断。数学诊断法主要包括模式识别、模糊诊断、基于距离判据的故障诊断等。智能诊断方法主要包括模糊逻辑、神经网络、遗传算法等。目前，风力机组的故障诊断系统大部分情况而言，仍旧依靠人工来进行检测和分析，未达到全自动故障诊断的水平，因此通过引入人工智能技术实现智能诊断意义重大.

3.2采用人工神经网络算法预测短期风电功率

人工智能法所具有自动化、智能化、数据量大的优点，能够在超大规模的数据量中快速寻找出其映射关系，从而实现统计预测。通过机器学习算法建立风电发电量短期风电功率与影响因素之间的内在联系，将该联系训练成模型。通过调用训练好的模型，减少便可以预测短期风电功率。目前常用的人工智能风电功率预测法主要是支持向量机法（SVM）和神经网络法。人工神经网络法在处理非线性问题上优势明显，自适应、自学习能力强，因此被广泛应用于风电功率预测上。研究表明，人工神经网络法中的径向基函数（RBF）神经网络的精度高于BP神经网络，且不存在局部最小问题，不需要事先确定隐含层的单元个数。其算法原理是用径向基函数作为隐含层节点的“基”构成隐含层空间。然后对输入变量进行变换，将低维的模式输入数据变换到高维空间内，使得在低维空间内的线性不可分的问题在高维空间内线性可分。由于其训练简洁同时在逼近非线性函数能力、分析能力和学习速度等方面均明显优于BP神经网络学习。因此，可利用RBF神经网络对风电场的短期发电功率进行预测.

3.3采用人工神经网络算法进行风电机组故障诊断

人工神经网络是模拟人类大脑学习知识而提出的一种人工智能算法。其无须事先确定输入输出映射关系的数学方程，只需通过自我训练，计算机学习一些规律，在给定输入值的情况下，得到最接近预期输出值的结果。BP神经网络是神经网络算法中，研究较为成熟、应用广泛的预测网络模型之一。BP神经网络在机械故障诊断中的应用广泛，对于风电机组中的齿轮箱与发电机机械故障有着很好的示范作用。同时采用BP神经网络对风电机组进行检测诊断能够满足其需要实时监控与容错能力高的需求，减少故障误报与错报。

4分析风力发电技术的前景

在新能源风力发电的过程中，其技术的应用具有重要的作用，所以相关的企业要从技术发展的方法进行全面分析，将企业作为主体，根据市场导向进行持续的创新。在此之外还需要对技术的创新和引进间存在的相互联系，保证可以全面的提高整体的技术竞争力，通过持续的提高风电创新建设工作，完善技术创新平台，保证可以让风力发电具有更加良好和持续的发展前景。
结束语

通过上述分析得出，智能化的风力发电自动化控制主要是在智能化以及大数据和云计算等现代信息技术的应用下，根据其风力发电机组的日常维护和修理等工作作为中心所开展的自动化操作，在我国电力能源来源之中，风力发电主要是具有着重要的地位，通过将其互联网和智能化的技术有效的结合到一起，使其智能化的风力发电自动化控制模式出现，可以更好地去解决风力发电过程中出现的各种管理问题，最终在一定程度上保证风力发电能够稳定地运行

参考文献

[1]崔帅.风力发电自动化控制系统中智能化技术的运用[J].科技风,2020(27):9-10.

[2]童飞.人工智能技术在风力发电领域的应用[J].低碳世界,2020,10(09):46-47.

[3]于锦春.风力发电自动化控制系统中智能化技术的运用[J].通信电源技术,2020,37(03):145-146.

[4]蔡军.风力发电机组智能故障诊断系统的研究与实现[D].浙江工业大学,2019.

[5]段体英,王梦星.面向风力发电行业的智能管控一体化系统[J].工业控制计算机,2017,30(09):115-116.